周超伦

摘 要：随着我国科学技术水平的发展，数字图像处理技术被不断应用在各个领域中，其中，在工业生产自动化系统中，数字图像处理技术得到了广泛应用，这对于我国提高工業化自动水平提供了技术支持。自动化、高精度化和客观化是应用数字图像处理技术的机器视觉的特点。该文针对数字图像处理技术在机械零件测量中的应用问题进行分析探讨。

关键词：数字图像 图像技术 机械零件 测量

中图分类号：TP391.41 文献标识码：A 文章编号：1672-3791（2016）09（b）-0016-02

由于我国数字图像处理技术的快速发展，在机械测量中取代了传统利用卡尺测量的方法。数字图像处理在机械零件测量中的应用，使测量工作的效率得到了有效提高，最大程度地保证了检测任务能及时、高效完成。机械零件测量的速度和精度是机器视觉所强调的，大大提高了工业现场的可靠性。通过数字图像处理技术测量机械零件，有利于提高零件的精度和准确度。

1 图像测量系统

光源、计算机、CCD相机、传感器、支架、零件移动平台等各个部件是图像测量系统的主要组成部分。图像测量系统原理图如图1所示。

机械零件的图像通过CCD相机获取，再利用计算机图像测量系统对所获取的图像进行预处理，使用测量软件测量机械零件的图像。由于受现场各种因素的影响，如受照明条件的影响，容易影响现场机械零件测量的精度。在此条件下，就要求测量人员对影响测量机械零件精度的因素进行处理，在现场采用环形光源，有利于避免机械零件产生阴影，影响测量精度。此外，环形光源的使用。使光线与机械零件近似垂直，使机械零件在环形光源的照射下更加明亮，便于分割零件图像，从而提高机械零件的测量精度。此外，在测量机械零件过程中，有的机械零件较大，导致CCD相机无法一次获取全部数据，这就要求使用双重坐标系来测量，双重坐标系是由面阵CCD相机和高精度的计量光栅单元共同组成的。由双重坐标系采用轮廓跟踪的方式进行检测，从而对机械零件的实际位置进行确定，进而提高机械零件的测量精度。

2 机器视觉技术在机械零件测量中的应用

2.1 利用机器视觉技术对机械零件进行精密测量

由CCD摄像头、计算机处理系统和光学系统共同组成了图像检测系统。图像检测系统的工作原理是先用平行光束照射待检测的机械零件表面，光源利用反射光，将机械零件的轮廓利用光学显微镜进行放大，然后将放大后的机械零件通过CCD摄像头使其成为图像，在计算机处理系统中输入成像后的数据，并对数据进行分析，从而对机械零件的定位进行精准测量。此外，在针对机械零件获取位移量的问题上，先移动需要检测的机械零件，对数据进行测量，再按上述方式对机械零件再测量一次，机械零件的位移量就是两次测量结果之差。在测量过程中，如果被测量的机械零件的两次轮廓线出现在同一个成像位置，该轮廓线的实际尺寸就是该机械零件的位移量。对于体积小、形状简单和生产数量多的机械零件使用此种方式检测具有明显的优势。

2.2 利用机器视觉技术对机械零件进行预调测量

利用光学投影对机械零件进行定位是传统的机械零件预调测量方式，通过光栅数显表将测量数据显示出来，但是此种方法要求相关测量人员具有较高的专业技术水平，此外在此种方式的使用上需要投入大量的人力，造成人力资源分配不合理的现象，阻碍了工作效率的提高。针对此种现象，新式预调测量仪在专业人士的创建改善后被应用到机械零件预调测量的工作中。新式预调测量仪，在传统的光栅测量技术的基础上，对机器视觉技术、计算机处理技术和机器自动控制技术等相关技术进行引进。这些先进技术的引进，对传统的机械零件预调测量模式进行改善，机械零件的光栅测量技术与机器视觉技术相结合的新式预调测量仪的应用，优化了操作流程，提高了工作效率，在提高机械零件测量精度方面也有十分显著的效果。

2.3 利用机器视觉技术对机械零件进行逆向测量

以三角法为基础，把机器视觉技术应用在逆向工程机械零件的测量中，对机械零件表面轮廓利用应用线结构光进行测量，是快速轮廓视觉测量技术。在机械零件的测量表面投射平面条纹结构光，使测量表面在光的照射下产生不同形状的条纹，从而开展机械零件表面的分析工作。此外，在摄取机械零件表面条纹的图像时，必须把经过视频信号的CCD摄像头转化到模拟信号模式，再进行模拟信号转化数字信号的工作，在此工作完成之后对所得数据进行保存，最后用计算机处理系统对所得图像进行处理，得出机械零件模型图，从而对机械零件进行测量。

3 结语

机器视觉技术和数字图像处理技术的快速发展，使其在机械零件的测量中得到了广泛的应用。该文从图像测量系统、机器视觉技术在机械零件测量中的应用两方面进行分析，得出数字图像处理技术具有工作效率高、测量结果精度高、可靠性强、节省人力资源且有实时性等特点。在测量机械零件的工作中使用数字图像处理技术为我国工业的进一步发展奠定了基础。

参考文献

[1] 李婧，黄进.一种图像测量中的快速中值滤波算法[J].微计算机信息，2014，23（21）：299-300，310.

[2] 祝中秋，李斌.基于直方图拉伸的图像增强算法及其实现[J].信息技术，2009（5）：54-57.

[3] 高守传，姚领田.VisualC++实践与提高数字图像处理与工程应用篇[M].北京：铁道出版社，2006.

[4] 马驰，张红云，苗夺谦，等.改进的多阈值动态二值化算法[J].计算机工程，2006，32（6）：203-205.

[5] 吴冰，秦志远.自动确定图像二值化最佳阈值的新方法[J].测绘科学技术学报，2001，18（4）：283-286.

[6] 鲍占阔，杨玉珍，陈阳舟.一种改善高斯拉普拉斯算子零交叉方法的车辆边缘检测[J].微计算机信息，2006，22（10X）：252-254.